用于糖尿病视网膜病变预测的滤波器与深度学习模型比较研究
机器学习
2024-09-01 v3 计算机视觉与模式识别
图像与视频处理
摘要
视网膜是视觉系统的重要组成部分，视力的维持依赖于对疾病的及时准确检测。本工作的主要目标是糖尿病视网膜病变（DR）的早期检测与严重程度分类，该疾病对公众健康构成重大威胁。本研究比较了多种深度学习模型（包括InceptionNetV3、DenseNet121及其他基于CNN的模型）在多种图像滤波器（包括高斯、灰度与Gabor滤波器）下的结果。这些模型可检测细微病理改变并借此估计视网膜疾病风险。目标是通过利用深度学习模型改进DR（糖尿病相关失明的主因）的诊断流程。在对视网膜图像应用这些滤波器后，提供了灰度、高斯与Gabor滤波器之间的比较分析。高斯滤波器被确定为最具前景的滤波器，其使用InceptionNetV3达到了96%的准确率。
引用
@article{arxiv.2309.15216,
title = {A Comparative Study of Filters and Deep Learning Models to predict Diabetic Retinopathy},
author = {Roshan Vasu Muddaluru and Sharvaani Ravikumar Thoguluva and Shruti Prabha and Tanuja Konda Reddy and Suja Palaniswamy},
journal= {arXiv preprint arXiv:2309.15216},
year = {2024}
}
备注
6 pages, 5 figures, I2CT , 2 tables